国外最火的深度学习实践课新版发布，100%全新前沿内容

好消息，又有新课程推荐！

国外最受好评、理论+实践相结合、完全免费的 AI 课程——“给程序员的实践深度学习课”，刚刚上线了全新的 2019 版！

课程出品方、fast.ai 创始人 Jeremy Howard 介绍说，这次的课程，内容 100％ 全新，还包括之前从未介绍过的一些新成果，以及它们的现实应用。

其中有些成果，甚至新到论文都还没发表。比如说，用迁移学习训练 GAN，训练时间从几天缩短到了几小时。

整个课程一共 7 节，带你从理论到应用学成深度学习，计算机视觉、NLP、推荐系统等等一课打尽。

Jeremy 发推宣布不到半天，600 多人转发推荐，连机器学习顶会 ICML 官推都转了。

前两期课程的学生和各路网友都跑出来花式赞美，甚至有不少人直接说它是“最好的深度学习课程”。

web 框架 Django 的开发者之一 Simon Willison 就曾经在博客上分享过自己学了一节课，训练最厉害的图像分类模型的经历。

还有学生上课成瘾，愿意一次又一次地回炉再深造。一位名叫 ScoutOrgo 的网友就是这么干的。他在极客扎堆儿的 HackerNews 社区评论说：

fast.ai 课程每次迭代我都上，每次都觉得很值。最新的 2019 课程也好优秀，虽然里边的很多概念我都学过了，还是每节课都能学到一大堆东西。

课如其名，这套课程的核心是“实践”。前半部分，几乎完全集中在实战技巧上，对于理论只提到了实践中绕不开的那些；到了后半部分，才逐步深入地探讨了理论。

课程地址：

https://course.fast.ai/

更贴心的论坛，可搜索的视频

随着新版课程一起上线的，还有更国际化的课程社区。

Jeremy 介绍说，他们为课程论坛添加了新功能，能按照时区、地点、语言给话题分类，想创建或者寻找同一地区、用母语讨论的学习小组更容易了。

不过现在，这个功能似乎出了点小 bug，暂时没上线。Jeremy 也说正在修复，欢迎有同学试用成功了告诉我们。

参与到社区中，跟同学们讨论本来就是好好学习的一个重要环节，现在，连“让你和同胞用母语讨论”这样贴心的功能都来了，还有什么理由不好好学习呐？

论坛地址：

https://forums.fast.ai/c/part1-v3

除了各国人民跨语言跨时区讨论之外，可能两小时的视频也会成为很多同学的学习障碍。

因此，新版课程的播放器也是更新过的，非常强大，可以搜索课程内容，并直接跳转到你要找的视频部分。

△ 有可检索时间线的课程视频

图像、文本、协同过滤全精通

这套课程总共有七节，每节课除了上课两小时视频之外，课后还需要花大约 10 个小时完成作业。

从头到尾好好学习需要大约 84 小时。如果留到春节假期一天一节，就是一天 12 小时扑在学习上，比打麻将积极进取多了，还能避开询问你为何单身的亲戚。

上课前就要会的基础知识也不多：要有一年的编程经验，而且具有高中数学知识（课程中可能穿插了一些大学数学）。

因为是用 PyTorch 库教学，所以最好是 Python 上的编程经验。

84 小时看起来很长，但如果你看看课程涉及的内容，会觉得这个时间，简直太“速成”了。

课程涉及的应用有四大类，从计算机视觉、NLP、到根据表格数据做预测、推荐系统都要学。具体是这样的：

• 计算机视觉（例如按品种分类宠物照片）
  图像分类
  图像定位（分割和激活图）
  图像关键点

• NLP（例如电影评论情绪分析）
  语言建模
  文件分类

• 表格数据（例如销售预测）
  分类数据
  连续数据

• 协同过滤（例如电影推荐）

这些内容覆盖的基础概念也很多，包括参数和激活、随机初始化和迁移学习、卷积、Dropout、权重衰减等等：

△ 课程涵盖的基础

这七节课，可以分为纯实践部分和比较深入的理论部分。

前四节课特别重实践。

第一课用迁移学习方法训练图像分类器；第二课开始自己请洗数据构建数据集；第三课从原来的单标签数据集过渡到多标签数据集，还要学习图像分割；第四课学习 NLP 和协同过滤，练习用算法给电影评论分类，再推荐电影。

后三节课相比之下就稍微重理论一点点。

第五课要从头开始搭建自己的神经网络，在这个过程中理解反向传播；第六课要学习各种改进训练防止过拟合的技术、理解卷积，还要讨论数据伦理；第七课要从头开始构建更复杂的 ResNet 和U-Net，研究各种损失函数，还要进入 GAN 的领域。

每一节课的具体内容是这样的：

第一课：图像分类

新人第一课，要训练一个图像分类器，能够以最高的准确度识别宠物品种。其中的关键是使用迁移学习，这也是本课程大部分内容的基础。

△ 训练和分析宠物品种分类器

我们将看到如何分析模型以了解其失效模式。在这一部分，我们会发现模型出错的地方与宠物育种专家可能犯错的地方相同。

最后，本节课还讨论了在训练神经网络时如何设置最重要的超参数：学习率。我们将看看标签这一重要但很少讨论的话题，并了解 fastai 提供的一些功能，这些功能可以轻松地将标签添加到图像中。

要注意的是，训练分类器需要连接到云 GPU 提供商，或者自己搭建一个合适 GPU 计算机，还需熟悉 Jupyter Notebook 环境的基础知识。

第二课：数据集的创建和清理、从头开始 SGD

这部分内容是教授用户学习如何使用自己的数据搭建图像分类模型，包括以下主题：

• 图片集

• 并行下载

• 创建验证集

• 数据清理

（编辑：ASP站长网）